New API
lsm.ink · 测评于 2026-09-27 15:42 · 最近更新批次 #45
deepseek-v4-flash
最佳模型 48.7
关于统一测评
本页数据来自一次「能力 + 性能 + 一致性」统一测评：能力分由五大维度标准化题目判分，性能分由成功率、首字延迟与输出吞吐综合计算，一致性分来自结构化输出、指令遵循、工具调用、流式协议等专项检测。综合分 = 能力 40% + 性能 40% + 一致性 20%。
测评预警
- deepseek-v4-flash：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- glm-5.3：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
- kimi-k3-1：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
- hy4-preview：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
以上为测评预警（题目通过率或某一能力维度低于配置阈值），不等同于安全或诈骗结论。
每个模型展示其最新一次统一测评结果；不同批次测评过的不同模型会共同保留，不会互相覆盖。展开「一致性专项明细」可查看逐项检测结果。
deepseek-v4-flash
DeepSeek · 平均延迟 4.06秒 · 成功率 20%（2/10 题）
48.7 分
能力分19.6
性能分77.8
一致性分48.7
首字最快用时1.04秒
首字平均用时1.49秒
每秒最大 tokens153.75
平均每秒 tokens104.44
平均响应延迟4.06秒
一致性判定：偏科明显
五大能力维度
数学
44.4 (1/2)
逻辑
55.6 (1/2)
代码
0.0 (0/2)
中文
0.0 (0/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
glm-5.3
GLM / ChatGLM · 平均延迟 7.23秒 · 成功率 0%（0/10 题）
46.9 分
能力分0.0
性能分67.3
一致性分100.0
首字最快用时1.20秒
首字平均用时1.67秒
每秒最大 tokens85.22
平均每秒 tokens70.69
平均响应延迟7.23秒
一致性判定：维度均衡
五大能力维度
数学
0.0 (0/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
0.0 (0/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 0%，低于 75%；最低能力维度 0 分，低于 30 分
kimi-k3-1
Kimi / Moonshot · 平均延迟 14.32秒 · 成功率 20%（2/10 题）
36.5 分
能力分18.2
性能分46.7
一致性分52.5
首字最快用时1.72秒
首字平均用时3.97秒
每秒最大 tokens47.40
平均每秒 tokens36.13
平均响应延迟14.32秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
44.4 (1/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 20%，低于 75%；最低能力维度 0 分，低于 30 分
hy4-preview
Hy4 · 平均延迟 11.60秒 · 成功率 10%（1/10 题）
35.6 分
能力分9.1
性能分51.4
一致性分57.0
首字最快用时1.25秒
首字平均用时3.60秒
每秒最大 tokens53.41
平均每秒 tokens47.46
平均响应延迟11.60秒
一致性判定：偏科明显
五大能力维度
数学
50.0 (1/2)
逻辑
0.0 (0/2)
代码
0.0 (0/2)
中文
0.0 (0/2)
知识
0.0 (0/2)
该模型触发测评预警：题目通过率 10%，低于 75%；最低能力维度 0 分，低于 30 分
返回排行榜
Ai速测